关注上方“深度学习技术前沿”，选择“星标公众号”，

资源干货，第一时间送达！

对于深度学习框架的使用，整个人工智能社区大体可以分为两大阵营：TensorFlow 和 PyTorch。有观点认为，PyTorch 更适合研究领域，而实际的工业应用可能更偏向于 TensorFlow。PyTorch 具有用户友好的 API 和对 Python 生态的良好支持，更适合学界。而 TensorFlow 因为用户惯性和对工业生产环境的支持，更适合业界。

OpenAI发布最新消息，不再在各大AI框架中“摇摆”，而是支持PyTorch。

这家马斯克参与创办、微软10亿美元投资的顶级AI研究机构表示，正在PyTorch上标准化自家深度学习框架。

“在过去，我们根据相对优势，在各种框架中实施特定的项目，”OpenAI在官方博客中表示，“现在我们选择标准化，能使团队更容易创建和共享模型，并进行优化实现。”

与此同时，OpenAI也用实际行动表明了态度：发布了一个PyTorch 版本的开源教育资源，能够让人们更容易学习深度强化学习。

在博客文章中，他们也进一步解释了为什么选择Pytorch：“主要原因是为了在GPU上提高我们的研究效率。”

并进一步给Pytorch打Call：在PyTorch 中尝试和执行新的研究想法非常容易，能从几周缩短到几天。

按照OpenAI的说法，接下来他们将会主要使用PyTorch作为官方深度学习框架，在有特定技术原因的情况下，也会使用其他框架。

OpenAI表示，许多团队已经完成了切换，并期待着在未来几个月为 PyTorch 社区做出贡献。

这一消息，也在社交媒体上引起了不少讨论，Reddit的“机器学习”版面中，相关话题热度已经达到了530，110多人发表了看法。

用 PyTorch 统一项目标准

在一则简短的博客文章中，OpenAI 表示，他们将会使用 PyTorch 作为统一的深度学习框架。在此之前，他们会基于框架本身的特点和优势在不同的项目中使用不同的框架。

OpenAI 认为，为了让团队更容易地创建和共享模型及其应用，使用 PyTorch 是更好的选择。通过标准化的 PyTorch 框架，OpenAI 可以建立起基于它的平台，使得自家的各种模型和应用都能进行框架和工具的复用。

另外一个选择 PyTorch 的重要原因是：用它来实现各种新的想法特别容易，特别是在 GPU 集群上。OpenAI 在博客中说，自从选择了 PyTorch，他们可以将研究思路到生成模型的迭代开发时间从周压缩到天。这节省了很多的时间。更何况，PyTorch 背后也有着活跃的开发社区，包括 FaceBook 等大型研究机构都在使用。

OpenAI 还在文章中表示，他们的大部分团队已经完成了迁移工作。除非有特定的技术原因，基本上 PyTorch 就是主要的深度学习框架了。例如，OpenAI 在近日推出了 PyTorch 版本的深度强化学习库——「Spinning Up」。

此外，OpenAI 还会在后续的开源计划中公开更多基于 PyTorch 的项目，比如「Block-Sparse GPU Kernels」。这是一种新架构的核，计算速度快于 cuBLAS 和 cuSPARSE。

OpenAI官方博客：

https://openai.com/blog/openai-pytorch/

讨论现场：

https://www.reddit.com/r/MachineLearning/comments/ew8oxq/n_openai_switches_to_pytorch/

长按关注深度学习技术前沿